人工智能在融媒體業務生產中的應用

范昭

【摘要】隨著人工智能技術的發展，融媒體平臺成為傳統媒體與新媒體融合的重要載體，在推動傳統媒體轉型升級中發揮了積極作用。然而，在融媒體時代，如何更好地利用AI技術為傳統媒體賦能，實現“內容+終端”模式下的價值共創，成為當前傳統媒體亟須解決的問題之一。基于此，本文將重點探究人工智能在融媒體業務生產中的應用，從技術層面和產業運營方面分析其對媒體行業產生的影響及未來發展趨勢。

【關鍵詞】人工智能；融媒體業務；生產策略；應用途徑

中圖分類號：TN92? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? DOI：10.12246/j.issn.1673-0348.2024.01.001

人工智能技術是指通過機器學習，自動分析和處理人類的思維方式、知識體系、行為模式以及人與環境之間復雜關系的能力或方法。近年來，人工智能技術的發展，為融媒體業務的開展帶來了新的契機，在融合發展中實現智能化轉型。本文從當前融媒體產業發展現狀入手，結合融媒時代下新聞生產對智能技術應用需求進行探討，總結出融媒體產業應積極發揮自身優勢，將智能技術運用于新聞報道實踐活動中，從而促進融媒生態健康穩定地持續運行。

1. 人工智能在融媒體業務生產中的應用架構設計

人工智能在融媒體業務生產中的應用架構設計要根據用戶需求，融合業務特點及技術發展趨勢進行分析和規劃。從“內容”“平臺”“系統”三個層面對融媒體產品架構展開研究，構建以用戶為中心的智能化服務架構模型，并將其與智能終端相結合實現對智能設備的控制[1]。具體而言，在“內容”層，通過建立多模態交互場景來提升用戶體驗，引入人工智能算法優化視頻編輯方式，利用深度學習算法解決數據稀疏性問題。由于融媒體業務需要大量的數據支持，包括文字、圖片、音頻、視頻等多種形式的信息。在應用架構設計中，考慮使用自然語言處理（NLP）和計算機視覺等技術來對這些數據進行采集、清洗和處理，以提高數據質量和效率。同時，為了避免不同數據源之間存在差異，還需采用統一建模語言（UML）對模型進行描述，便于后期維護管理。

在平臺層設計中，基于云計算平臺搭建集數據存儲、數據分析、數據挖掘、知識挖掘、可視化展示于一體的數據中心，提供海量數據處理能力。通過建設面向新聞采編領域的AI訓練庫，實現自動分詞、詞頻統計以及文本分類等功能。引入機器學習和推薦系統技術，根據用戶的興趣、行為和偏好，向用戶推送個性化信息和建議。此外，結合大數據檢索、社交網絡挖掘等技術，開發一個針對新聞資訊類網站的新聞推送系統，實現實時動態更新和快速查詢的目的，幫助用戶更高效地獲取所需內容[2]。

系統設計中，通過整合各種異構數據，完成新聞源的自動化發現。通過融合多種關鍵技術，有效降低開發成本。通過綜合運用Hadoop+Map Reduce框架、My SQL數據庫和JDBC接口，使整個系統具備良好的擴展性。關于數據實時分析和預測應重點關注以下幾個方面：其一，數據預處理。主要是通過分析歷史數據，提取出相關特征量，用于建模、推理及決策。其二，模式挖掘。可依據用戶需求，從已有新聞語料中挖掘出潛在有價值的新聞規則。其三，關聯關系分析。將挖掘出來的潛在關聯規則作為模型輸入，并與現有新聞報道相結合，形成新的新聞趨勢或預測。

總之，人工智能在融媒體業務生產中的應用架構設計需要結合具體業務需求和技術能力，綜合考慮數據采集和處理、模型構建、算法研究、智能服務等階段，不斷迭代升級，最終為用戶提供智能化、便捷化和人性化的產品和服務。

2. 人工智能在融媒體業務生產中的應用路徑

2.1 全媒體稿件智能化生產業務

全媒體稿件在融媒體業務中起到了核心作用，為業務人員提供了豐富的新聞素材。將人工智能技術引入全媒體稿件加工處理系統可以提高工作效率和質量。在實際工作中需要從多個方面對全媒體稿件人工智能應用進行研究，包括算法設計、編程實現以及數據融合等內容。內容生成方面，人工智能可通過自然語言處理和機器學習等技術，實現自動化的內容生成，如自動分詞、詞性標注、句子相似度計算等[3]。基于大規模文本數據訓練的模型可生成新聞報道、評論等各類稿件內容，且具有良好的泛化能力。同時，人工智能還可以根據用戶需求和偏好，自適應地調整其參數，從而更好地滿足用戶對信息的個性化需求。

在高效的重點詞和敏感詞匯校對中，利用人工智能技術能有效提升編輯效率和準確性，降低人工誤差。具體構建中，要以智能信息處理理論為基礎，采用大數據處理方法建立知識庫。結合人工智能與數據庫技術相結合的方式，使用深度神經網絡完成語義分析、特征抽取等任務。同時，對于一些關鍵的特征選擇問題也應充分考慮到新聞事件本身的特點，盡量保證所選特征更符合新聞事實。在新聞信息提取時，考慮到不同新聞來源之間存在一定程度上的差異，需綜合運用多種分析方法進行特征提取。

編輯輔助是人工智能領域的新課題之一[4]。作為人工智能的分支，編輯輔助系統主要負責從海量的數據集合中抽取出有價值的潛在信息并加以可視化呈現。該技術基于機器學習理論和大數據分析算法，將大量復雜的自然語言轉化為計算機能理解的符號形式，再經過一系列人工標注后提供給用戶使用。因此，它既具備傳統人機交互的交互性，又具有人工智能領域的智能性。

2.2 視音頻節目智能化生產業務

視音頻節目智能化生產業務是指利用人工智能和相關技術來提高視音頻節目的制作效率和質量。隨著人工智能和大數據等技術的不斷發展，視音頻節目智能化生產業務正逐漸成為媒體行業的新趨勢。在視音頻節目智能化生產業務中，可應用以下技術：

第一，自動化編輯。該技術是基于機器學習算法實現對視音頻內容進行自動編輯的技術，通過提取視頻片段或文本信息建立訓練集并使用模型預測其結果。具體應用中，要注意對視頻特征（如運動目標檢測、字幕識別）以及場景建模這兩個方面進行優化處理。同時，還需要考慮如何將不同類型的數據與不同算法相結合，以便獲得更好的效果。

第二，智能分析。該技術主要用于針對用戶提出的需求進行數據分析，包括用戶行為模式、情感傾向分析、個性化推薦及社交關系挖掘等等。在智能分析過程中，需要綜合運用多種分析方法，比如統計分析法、數據挖掘法、決策樹方法，以提升分析精度為主，兼顧準確性。

第三，智能場景分析。通過圖像識別和語義理解等技術，對節目場景進行智能分析，幫助制片人員更好地選擇和設置場景。在實際應用中，場景分析一般分為兩種方式：一種為離線分析，另一種為在線實時分析。前者主要依靠人工操作完成。后者則可以借助云計算平臺提供的海量存儲能力來實現。而云計算平臺提供了強大的數據處理能力和豐富的數據服務功能，使得在線實時分析具有更高的靈活性。為此，技術人員必須了解各環節所涉及的關鍵技術。從前期準備階段開始就應該做好相應的工作，例如對采集設備性能進行評估。在后期處理過程中要確保音視頻流符合安全標準。此外，還要重視對數據資源進行合理分配，做到高效調度。

第四，智能媒體管理，該技術是面向全媒體融合環境下的視音頻節目生產業務而設計開發的一套系統。它主要由制作模塊、播出控制模塊和數據管理模塊組成。其中，制作模塊負責制作視頻文件。播放控制模塊負責將視頻文件轉換成音頻格式后輸出至服務器。數據管理模塊負責將服務器端的數據轉換為可視化形式，并根據用戶的使用要求向其發送指令。

通過應用上述技術，視音頻節目的制作成本可以得到有效控制，制作效率可大幅提升，同時還能提升節目的質量和觀眾的體驗。需要注意的是，在視音頻節目智能化生產業務的發展過程中，要充分結合自身特點，發揮各自優勢，從而推動行業健康持續發展。

2.3 智能審片業務

智能審片業務的核心是基于深度學習和自然語言處理等人工智能技術的算法模型開發，其主要任務包括數據采集與預處理、特征提取及文本分類。其中，特征提取及文本分類在智能審片系統中發揮著至關重要的作用，而語義分割則是實現該功能的關鍵技術之一[5]。該技術根據上下文信息構建出包含多個維度特征集的向量空間，進而采用不同方法進行特征選擇，最終得到具有較高準確率的特征子集。

另外，人工智能通過深度學習算法分析視頻素材的內容和情感，自動進行剪輯和編輯，以獲取更為符合用戶需求的高質量影像。其本質為結合卷積神經網絡以及注意力機制的語義分割框架，它將對視覺圖像進行多尺度、多層次地表示并提取隱含于各層次細節結構中的語義知識，從而完成語義理解。

具體而言，智能審片技術是對海量視頻圖像資源進行智能化識別、提取和分類的過程，旨在提高審片的效率和質量，從而為后續工作提供有力支持。實際應用中，要從以下幾方面入手：其一，建立完善的視覺識別系統，利用大數據分析挖掘潛在線索，結合機器學習、知識圖譜等新技術來解決傳統人工審查模式所帶來的問題。同時，也可以借助計算機視覺，將各種場景下復雜的拍攝場景轉化為可直接用于分析的圖片或文字，并從中發現隱藏的規律，從而達到輔助決策的目的。

其二，充分融合多種圖像處理技術，如圖像去噪、邊緣檢測、目標定位以及紋理合成等，提升審片員判斷的準確性和時效性。此外，智能審片還需具備一定的交互性，即能夠實時監控、記錄并反饋用戶的操作情況，以便于及時發現問題、解決問題。其三，設計高效合理的審核流程，保證智能審片系統的運行穩定性。智能審片需要一套完整的自動化系統，從前期準備到后期審核再到發布，整個過程均應按照統一的規則完成。例如：針對特定對象的標注，一般先使用相關軟件生成對應的標簽，然后將標注結果存入數據庫，由專業人員根據相應的權限查看是否允許上傳。最后，利用可視化工具直觀地展現各環節的操作過程，幫助審片員更加清晰全面地掌握審片的全過程。

總之，在融媒體審片中應用人工智能時，應充分考慮數據隱私和信息安全等問題，構建出具有較強魯棒性、較高準確率以及良好擴展性的信息共享平臺。通過上述技術路線與方法體系的集成創新，可實現對全媒體智能審片者、審片任務參與者、審核規則制定及審核策略實施全過程的自動化管理與控制。此外，該技術還能夠幫助審片員更好地處理審片任務，進而提高其工作效率和質量，這也是未來相關技術發展需要突破的瓶頸所在[6]。

2.4 智能內容管理業務

融媒體智能內容管理業務是以“人工智能+云計算”為基礎，通過對各類海量信息資源的采集和分析處理，實現智能化、個性化、人性化的新聞推送服務。在技術方面，人工智能為融媒體內容管理提供了強大的技術支持，包括深度學習模型、機器視覺識別、自然語言理解等。在業務層面，融合媒體平臺可以集成多種智能應用系統，并與傳統主流媒體形成優勢互補。在運營模式上，融合媒體智能內容管理將向全流程化方向發展，從內容生產到分發再到用戶使用均采用自動化的方式進行操作，從而大幅降低人工參與程度，提高工作效率。

智能編目是根據現有的標準制定出符合自身特點的編目規范和流程。其主要功能有：自動分詞、詞性標注、詞典構建以及關鍵詞抽取，能夠準確地提取出所需的文本數據。視頻標簽建立后，利用基于卷積神經網絡算法對視頻空間特征圖進行訓練得到標簽圖像庫。將該數據庫中的標簽圖像作為訓練樣本輸入至CNN網絡分類器中進行分類實驗。之后，將已完成訓練的分類結果輸出給智能終端，使得智能終端能夠自動識別文本信息及相應的視頻內容。智能編目系統主要包含三個模塊：智能編目機端、智能編目機客戶端以及智能編目系統后臺管理系統。其中，智能編目機端負責向用戶提供服務，在用戶使用過程中即實現了與智能終端之間的通信連接。而智能編目機客戶端的核心則為深度學習算法，通過不斷迭代優化模型參數從而獲得更加精確的目標函數值，再由最優解確定最終的解集，最后反饋給用戶以驗證其性能優劣。智能編目系統后臺管理系統則負責管理整個系統的運行情況，并實時顯示各功能模塊的運行狀況。

總之，智能檢索需針對不同類型的內容選擇合適的檢索器，并設置合理的閾值才能達到較好的查準率[7]。此外，還需要考慮各種影響因素，如用戶閱讀習慣、內容質量以及版權問題等，這些都會影響最終查詢結果的準確性。通過人物圖片快速查找相關內容，然后結合已有的內容列表或文檔索引，即可直接獲取目標內容。

3. 結束語

人工智能技術在融媒體業務生產中得到了廣泛的應用，為其發展提供了強大動力。在未來的發展中，融媒體業務要充分發揮人工智能優勢，實現智能化、個性化的智能服務，提升用戶體驗和滿意度。在實際構建中，需立足于“互聯網+”時代的特點，積極推進全媒體化建設進程。通過融合新技術手段與傳統媒體內容資源，建立起多元化、立體式、多終端、跨平臺的新型媒體生態體系，從而滿足不同層次受眾對信息傳播的多樣性需求。

參考文獻：

[1]張雨雁，俞曉迪.縣級融媒體對人工智能運用的困境與反思[J].傳媒評論，2023（04）：68-70.

[2]王一民.融媒體語境下以人工智能技術推動播音主持工作[J].華東科技，2022（09）：119-121.

[3]王麗霞.人工智能技術在融媒體領域的應用[J].電視技術，2022，46（05）：175-177.

[4]"擁抱數字時代，領創數智浙江"系列融媒體訪談節目之人工智能驅動金融普惠[J].信息化建設，2021（07）：42-47.

[5]徐延章.人工智能+融媒體體驗：基于廣電融媒體設計模型的解讀[J].電視研究，2020（06）：45-48.

[6]胡正榮，張英培.5G與人工智能時代縣級融媒體中心建設的關鍵點——以江蘇邳州為例[J].電視研究，2019（05）：4-6.

[7]王鳴.大數據+人工智能+云服務：技術創新驅動縣級融媒體中心建設[J].傳媒，2019（02）：17-18.